¿Hay retorno de inversión en Big Data?
A pesar de que los bancos demuestran un gran interés por las tecnologías Big Data, pocos han implementado sistemas en producción y aún menos -si es que hay alguno- han aprovechado su potencial al máximo. En el presente post exponemos la manera de rentabilizar este tipo de proyectos.
Las encuestas sobre la adopción de Big Data por parte de las entidades financieras arrojan siempre los mismos resultados: si bien los bancos están muy interesados en estas nuevas tecnologías y han comenzado a desarrollar proyectos de investigación, pocos han implementado sistemas en producción y aún menos -si es que hay alguno- han aprovechado su potencial al máximo. El interés es manifiesto, pero los bancos se enfrentan a varios desafíos clave que no les permiten avanzar.
El primero y más importante es la falta de personal cualificado. Al ser una tecnología nueva en nuestro sector, hay pocas personas con experiencia demostrable o que tengan una visión clara de qué tecnologías aplicar, según las distintas circunstancias, y que cuenten con el conocimiento necesario para configurar la infraestructura de software y servidores conectados. Por este motivo, los bancos buscan proveedores externos para poner en marcha sus iniciativas de Big Data. Por desgracia, existen pocos proveedores que dispongan a la vez del conocimiento del sector y la experiencia técnica avanzada que requiere la tarea.
En segundo lugar, nos encontramos con el desafío de consolidar grandes volúmenes de datos distribuidos a lo largo de toda la organización del banco. En banca de inversión, las áreas de negocio se encuentran muy compartimentadas, lo que dificulta compartir y coordinar datos desde las distintas áreas. En banca minorista, los datos también se encuentran dispersos, dado que provienen de fuentes tanto internas (plataformas centrales de banca, CRM, etc.) como externas (redes sociales). Para aprovechar las ventajas de Big Data es necesario recopilar los datos, verificar su calidad y garantizar que se puede acceder a ellos y que se usan de forma segura. Este último aspecto es especialmente relevante, ya que controlar el acceso a los datos dentro de la organización y, a la vez, mantener el contexto de los datos resulta esencial para extraer información útil.
En tercer lugar, los bancos no saben bien por dónde empezar. Muchos están empezando a probar estas tecnologías en proyectos de investigación de TI, mientras que otros se preparan para desarrollar centros de excelencia destinados a coordinar y brindar soporte técnico a proyectos de Big Data para la organización. Finalmente, están los que buscan asesoría fuera de la empresa. Establecer y ejecutar una estrategia clara de adopción de Big Data es imprescindible para asegurar un uso óptimo de estas tecnologías.
Todos estos son desafíos reales que y es necesario superarlos como es debido antes de poder aplicar la tecnología. Esto nos lleva a una pregunta interesante: ¿vale la pena tanto trabajo?¿Hay retorno de inversión en Big Data?
Según nuestra propia experiencia, la respuesta es un “sí” rotundo. A continuación se detallan una serie de ejemplos en los que proyectos de Big Data han ofrecido ventajas claras, ya sea en términos de mejoras en las operaciones, de informes financieros más detallados y de mejor calidad o de ventajas competitivas:
– En un gran banco de inversiones se usó la plataforma Hadoop para recopilar, transformar y almacenar datos financieros de todo el banco con objeto de realizar los cálculos diarios de resultados y las evaluaciones de riesgos. Los archivos de datos se reunieron y almacenaron gracias al sistema HDFS (Hadoop Distributed File System, sistema de archivos distribuidos de Hadoop) y los datos se procesaron usando MapReduce (el modelo de programación distribuida de Hadoop). Gracias al uso de una granjade servidores, que se utilizó para distribuir la considerable carga de trabajo, el SLA de este proceso de transformación de datos críticos pudo mejorarsesustancialmente y el tiempo necesario se redujo en comparación con la solución anterior, que usaba bases de datos. De este modo, la capacidad operativa del banco pudo mejorarse de manera muy significativa.
– A fin de cumplir con la norma Volcker, que forma parte de la Ley de Reforma Frank-Dodd, un banco de inversiones que opera a nivel internacional necesitaba calcular diariamente la antigüedad y la rotación de su inventario, dos valores que permiten medir el tiempo durante el que el banco mantiene sus posiciones. Para ello, necesitaba comparar sus posiciones día a día de todo el año anterior. Este proceso requería de un algoritmo capaz de procesar grandes volúmenes de datos un tema relativo a Big Data. Sin estas nuevas tecnologías, el banco no hubiese podido cumplir la normativa. Gracias a Big Data, el banco pudo medir y documentar con exactitudsu actividad financiera.
– La mayoría de los bancos minoristas guardan los datos de las transacciones en soluciones de core banking heredadas. Estos sistemas, que, con frecuencia, han estado en funcionamiento durante décadas, suelen tener una capacidad máxima de almacenamiento de datos de entre 18 y 24 meses. Este es, por ejemplo, el motivo por el que no puedes ver en tu aplicación de banca online cuáles fueron los gastos de tu tarjeta de crédito de hace tres años. Un banco minorista español emprendió el proceso de traslado de datos transaccionales guardados a una base de datos NoSQL y estableció un proceso para mantener esos datos actualizados. Más adelante, las aplicaciones de banca online y móvil se conectaron a esa base datos, lo que permitió toda una serie de usos nuevos e interesantes para los usuarios. Por ejemplo, los clientes minoristas podían buscar en la totalidad de los datos, ver tendencias en periodos superiores a diez años y responder a preguntas como “¿cuánto he gastado en gas cada mes durante los últimos cinco años?”, “¿en qué momento del año suelo tener un extra de dinero para invertir?” y “¿cómo han cambiado los pagos de mi hipoteca a lo largo de la última década?”. Esta información resulta muy útil para los clientes minoristas y un banco capaz de proporcionarla cuenta con una clara ventaja competitiva.
Cada uno de los ejemplos anteriores muestra cómo las tecnologías Big Data ofrecen ventajas reales a los bancos. En algunos casos, estas ventajas adoptan la forma de reducción de costes (procesos mejorados y agilizados, cumplimiento de regulaciones normativas), mientras que en otros se refleja en aumentos de ingresos (nuevos clientes, mejores decisiones de negocio). Aunque aún no disponemos de las cifras exactas, resulta claro que la tecnología es muy rentable.
El concepto Big Data ha sido distorsionado por la prensa. Todo el mundo ofrece su propia versión de lo que significa, hasta el punto de que parece que hablamos de un poder misterioso con cualidades mágicas. En realidad, el Big Data no es más que un conjunto de nuevas tecnologías que se generalizaran y serán estándar en un plazo de cinco años. Los bancos que no adopten dichas tecnologías se quedarán obsoletos en la sociedad digital. No solo perderán la oportunidad de mejorar su negocio y de, potencialmente, imponerse a la competencia sino que pondrán en peligro su competitividad a largo plazo en un mercado lleno de desafíos. Sin duda alguna, hay retorno de inversión en Big Data.
